MULTI-TARGET KLASIFIKASI TEKS BERDASAR TANGGAPAN MASYARAKAT KOTA DENGAN MENGGUNAKAN ALGORITMA CNN & RANDOM FOREST = Multi-Target Classification of Text Based on City Community Responses Using the CNN Algorithm and Random Forest

Peningkatan pengguna media sosial linier dengan kebebasan masyarakat untuk berpendapat tentang kinerja kota. Dalam meningkatkan kinerja kota, pemerintah membutuhkan tanggapan masyarakat; tanggapan ini merupakan sumber informasi awal dalam menilai kinerja pemerintah terkait tugas dan tanggung jawabnya. Tanggapan masyarakat meliputi komentar di halaman akun media sosial pemerintah dan akun komunitas swasta terkait permasalahan di kota; kami menerima komentar melalui media sosial Twitter, Facebook, Instagram, dan Youtube. Riset ini berupa tanggapan masyarakat terhadap 16 dinas, mengklasifikasikannya ke dalam dinas terkait dengan menggunakan lima kategori sentimen. Metode yang digunakan untuk klasifikasi sentimen adalah kombinasi algoritma CNN dan Random Forest. Penelitian ini menyajikan model Continuous Bag-of-Word (CBOW) dan memasukkannya ke dalam tahap ekstraksi fitur CNN. Pekerjaan ini menggunakan Alexnet Convolution Neural Network dan mengklasifikasikannya menggunakan algoritma Random Forest. Keluaran sistem dari kombinasi algoritma CNN & RF berupa klasifikasi multi-target dari analisis sentimen memperoleh akurasi sebesar 86%, dan klasifikasi dinas memperoleh akurasi sebesar 81%.

Keyword : CNNRF